基于自由能量干扰的大规模虚拟查,以有效发现抗COVID-19药物
Zhe Li1, Chengkun Wu2, Yishui Li2
1School of Pharmaceutical Sciences, Sun Yat-Sen University, Guangzhou, P. R. China.
The international journal of high performance computing applications
|April 11, 2024
概括
自由能量扰动-绝对约束自由能量 (FEP-ABFE) 计算快速选了超过12,000种潜在的SARS-CoV-2抗病毒药物. 这种方法确定了包括二皮里达摩尔在内的有前途的抑制剂,推动了药物发现工作.
科学领域:
- 计算化学计算化学
- 药物发现 药物发现 药物发现
- 分子动力学分子动力学
背景情况:
- 自由能量扰动-绝对结合自由能量 (FEP-ABFE) 是一种用于药物发现的强大的计算方法.
- 高的计算成本限制了FEP-ABFE的实际应用.
- 针对SARS-CoV-2 Mpro和TMPRSS2对于开发抗病毒疗法至关重要.
研究的目的:
- 使用FEP-ABFE加速针对SARS-CoV-2的抗病毒药物发现.
- 通过大规模选来克服FEP-ABFE的计算挑战.
- 为了识别针对SARS-CoV-2目标的新型抑制剂.
主要方法:
- 在FEP-ABFE的基础上对大约12,000个蛋白质-连接体系统进行了虚拟选.
- 利用天河超级计算机进行广泛的分子动力学 (MD) 模拟.
- 开发了一个任务管理工具,可以自动化超过50万个MD任务.
主要成果:
- 在98个测试化合物中确定了50种具有针对SARS-CoV-2的显著抑制活性的化合物.
- 迪皮里达摩尔 (dipyridamole) 作为一种具有有前途的临床试验结果的代表性抑制剂而出现.
- 产生了大约500TB的数据,以推进与FEP相关的方法.
结论:
- FEP-ABFE是一种可行且有效的快速药物发现方法.
- 这项研究为开发新的抗SARS-CoV-2药物提供了坚实的基础.
- 生成的数据将促进计算化学方法的进一步进步.
